BAB 1

PENDAHULUAN

1.1. Latar Belakang

Buah melon dalam bahasa Latin disebut Cucumis melo L. Salah satu jenis
yang berasal dari suku labu-labuan atau Cucurbitacca. Buah ini mengandung gizi
dan mineral yang sangat baik untuk kesehatan (Agung Prayoga, dkk. 2018). Pada
saat ini terdapat 94 varietas melon terbaik di Indonesia, termasuk melon Sky
Rocket. Melon roket langit adalah melon yang paling umum ditanam. Dilihat dari
data produksi dalam negeri, produk melon ini masih terus berkembang. Pada tahun
2010 mengalami peningkatan sebanyak 85161 ton, dan mengalami kenaikan hingga
150347 ton pada tahun 2014 (Kementrian Pertanian, 2014).

Buah-buahan yang kita tahu selama ini terbagi menjadi dua kelompok,
pertama kelompok klimakterik dan kedua kelompok non-klimakterik. Dalam hal ini
buah melon termasuk kedalam kelompok non-klimakterik, dimana dalam
kelompok non-klimakterik ini buah harus dipanen dalam kondisi matang(Usman
Ahmad & Sabihah, 2018). Oleh sebab itu, masih banyak para petani melakukan
pemanenan buah melon secara bersamaan. Dimana pada saat pemanenan buah
melon tentu memiliki kematangan yang berbeda-beda. Hasil obserfasi peneliti ke
petani buah melon yaitu bapak Achmad Badrus, menyatakan bahwa buah melon
dapat menghasilkan 4 hingga 5 buah melon dalam setiap tumbuhan melon. Yang
menyebabkan kematangan buah melon berbeda-beda. Maka dari itu, sangat
dibutuhkan sebuah teknoogi yang mampu memudahkan para petani
mengidentifikasi kematangan buah melon.

Berbicara mengenai teknologi yang akan digunakan untuk mengidentifikasi

buah melon, peneliti memfokuskan pada pengolahan citra, yang dimana nantinya
dari sebuah foto dapat menghasilkan hasil pengidentifikasian. Mengenai
pengolahan gambar, terdapat beberapa metode yang dapat dipakai untuk mengolah
sebuah citra, metode CNN (Convolutional Neural Network) adalah satunya. Peneliti
memilih metode CNN karena metode ini banyak digunakan oleh berbagai peneliti

1
untuk mengklasifikasikan gambar, dan sangat akurat dalam mengidentifikasi
gambar 2 dimensi.

Beberapa penelitian yang menggunakan metode CNN untuk mengolah

sebuah citra dan mendapatakan nilai akurasi yang baik, yaitu Implementasi Deep
Learning Untuk Image Clasification Menggunakan Algoritma CNN Pada Citra
Wayang Golek (Triano Nurhikmat, 2018). Kajian tersebut dibuat oleh Mahasiswa
Statistika Universitas Islam Indonesia Yogyakarta yang memiliki kesamaan pada
salah satu karakteristik yaitu Convolutional Neural Network. Dalam penelitian
tersebut, model CNN yang dipakai memiliki ketentuan sebagai berikut memakai
input shape berukuran 64x64, nilai learning rate 0.001, ukuran filter 3x3, Jumlah
Epoch 20, Data training 240, dan data testing 60. Dari hasil ketentuan tersebut
menghasilkan tingkat akurasi sebesar 95% dari data training dan 90% dari data
testing. Sistem maupun kajian yang lain berjudul Implementasi Deep Learning Pada
Identifikasi Jenis Tumbuhan Berdasarkan Citra Daun Menggunakan Convolutional
Neural Network (Saririotul Ilahiyah, Agung Nilogiri, 2018) sistem tersebut dibuat
oleh Mahasiswa Teknik Informatika Universitas Muhammadiyah Jember yang
memiliki kesamaan metode yang digunakan, yaitu CNN. Yang dimana proses yang
digunakan untuk mengenali berbagai genus tanaman mendapatkan akurasi sebesar
90,8%.

Dari permasalahan diatas peneliti menggunakan metode CNN

(Convolutional Neural Network) untuk menentukan kematangan buah melon.
Penelitian ini berfokus terhadap buah melon Sky Rocket yang sangat banyak ditemui
di Indonesia.

1.2. Rumusan Masalah

Berdasarkan latar belakang sebelumnya, rumusan masalah penelitian ini

adalah sebagai berikut:

a. Apakah algoritma Convolutional Neural Network (CNN) dapat digunakan

untuk mengidentifikasi kematangan buah melon?

2
 b. Bagaimana mengimplementasikan algoritma Convolutional Neural
Network (CNN) untuk mengetahui kematangan pada buah melon?

c. Bagaimana akurasi dari penggunaan algoritma Convolutional Neural

Network (CNN) untuk mengidentifikasi kematangan pada buah melon?

1.3. Batasan Masalah

Supaya langkah-langkah penelitian tidak menyimpang dari pokok

pembahasan diatas, perlu dibuat batasan masalah untuk memberikan batasan-
batasan. Berikut batasan masalah yang digunakan :

a. Dataset yang digunakan adalah data primer yang diperoleh dari petani
melon yaitu Bapak Achmad Badrus bertempat di Ds. Rayun, Kab. Ponorogo
& Bapak Seno bertempat di Ds. Ngrajek, Kab. Nganjuk. Dengan memotret
objek buah melon secara langsung dengan perolehan data sejumlah 415
gambar.

b. Data yang dipakai dalam penelitian ini yaitu buah melon berjenis Sky
Rocket.

c. Data yang dipakai dalam proses pengidentifikasian yaitu buah melon

dengan umur 30 hari dan 50 hari.

d. Inputan citra image yang digunakan dalam sistem ini menggunakan ukuran
180x180 pixsel.

e. Pada arsitektur CNN yang digunakan dalam sistem ini menggunakan fungsi
aktifasi sigmoid.

1.4. Tujuan Penelitian

Ditinjau dari latar belakang diatas, memiliki tujuan penelitian sebagai

berikut:

a. Mengetahui apakah algoritma CNN dapat digunakan untuk

mengidentifikasi kematangan buah melon.

3
 b. Mengetahui bagaimana mengimlentasikan algoritma CNN untuk mengolah
citra buah melon.

c. Mengetahui bagaimana tingkat akurasi yang diperoleh dari implementasi

algoritma CNN.

1.5. Manfaat Penenlitian

Manfaat yang didapatkan dari penelitian ini meliputi manfaat teoritis dan
praktis, yang di uraikan sebagaimana dibawah ini.

a. Manfaat Teoritis

1) Menambah wawasan keilmuwan pengolahan citra, terutama yang terkait

dengan algoritma CNN.

2) Menambah kemampuan alternative operasional algoritma CNN untuk

menyelesaikan permasalahan kematangan buah melon.

b. Manfaat Praktis

1) Memberikan bahan kajian kepada dinas pertanian dalam menentukan

tingkat kematangan buah melon.

2) Memberikan kemudahan bagi para petani melon dalam menentukan

kematangan buah melon.